Spark-to-Paper: End-to-End Research Paper Generation as a Composable Skill
Spark-to-Paper：端到端研究论文生成作为可组合技能
🧭 Agent 可组合技能与长程生成
Vast Intelligence Lab · University of Technology Sydney
在现有编码助手中以13个可组合技能实现端到端论文生成，靠分离规划与报告、确定性校验抑制自我反驳循环
📌 工作参考价值（4 点）
- 在电商/广告实验分析与自动化报告中，借鉴“先定义证据指标，再根据结果生成结论”的模式：把 AB 实验报告、选品实验摘要和推荐效果分析拆成规划阶段与报告阶段，避免 LLM 编造显著性结论。
- 借鉴“确定性校验 + 自我批评”双轨：生成商品推荐理由、搜索词解释或广告文案时，对商品 ID、价格、库存、事实声明做可执行校验（查库/规则），再用 LLM 自评修正，可显著降低幻觉。
- 借鉴可组合技能而非重型多智能体平台：在现有代码助手或工作流引擎内，将选品、query 生成、素材审核等封装成原子技能，便于复用、版本管理与成本控制；该论文给出 13 技能、11.9M tokens、$8.1/次的量化成本参考。
- 注意长链路探索中的“自我反驳循环”：在自动调参、自动选品、策略探索 Agent 中设置目标维持预算和停止条件，当连续实验否定初始目标时切换到确定性审查或终止，防止无限烧 token。